大數(shù)據(jù)技術(shù)對(duì)建設(shè)工程招投標(biāo)市場(chǎng)投標(biāo)企業(yè)流失情況分析

周欣

（深圳市建設(shè)工程交易服務(wù)中心 廣東省深圳市 518000）

1 研究背景

深圳建設(shè)工程招投標(biāo)市場(chǎng)從2000年至今已累計(jì)近20000 多家投標(biāo)企業(yè)，企業(yè)分布覆蓋全國(guó)各地區(qū)。本文嘗試從深圳建設(shè)工程招投標(biāo)市場(chǎng)投標(biāo)企業(yè)市場(chǎng)行為分析入手，參考投標(biāo)企業(yè)活躍度數(shù)據(jù)，定

義企業(yè)流失判定標(biāo)準(zhǔn)；并選取合理算法模型，對(duì)鎖定范圍的投標(biāo)企業(yè)進(jìn)行企業(yè)流失重大影響因子分析；全面科學(xué)的展示了深圳建設(shè)工程招投標(biāo)市場(chǎng)投標(biāo)企業(yè)流失傾向性與企業(yè)數(shù)量分布情況，為市場(chǎng)主管部門提供了立體、客觀的數(shù)據(jù)說明，期望能在市場(chǎng)健康監(jiān)督及科學(xué)發(fā)展引導(dǎo)中發(fā)揮積極的推進(jìn)作用。

本文以深圳市建設(shè)工程交易市場(chǎng)從2000-2020年的相關(guān)數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)源（以下簡(jiǎn)稱“基礎(chǔ)數(shù)據(jù)源”），并基于此完成相關(guān)研究并實(shí)現(xiàn)結(jié)果輸出。

2 投標(biāo)企業(yè)流失判定模型的建立

2.1 投標(biāo)企業(yè)流失判定輔助指標(biāo)

本文選取企業(yè)投標(biāo)活躍度來作為“企業(yè)流失判定”輔助數(shù)據(jù)指標(biāo)。

企業(yè)的投標(biāo)行為時(shí)間間隔，是其活躍度的重要指標(biāo)。我們通過分析所有投標(biāo)企業(yè)的最大投標(biāo)間隔天數(shù)，也就是所有企業(yè)在歷史中的投標(biāo)間隔天數(shù)的最大值，來實(shí)現(xiàn)市場(chǎng)投標(biāo)企業(yè)活躍特征的擬合。在數(shù)據(jù)源完成基礎(chǔ)清洗后，使用SPSS 軟件進(jìn)行統(tǒng)計(jì)分析，輸出圖形展示：深圳建設(shè)工程市場(chǎng)投標(biāo)2 次及以上投標(biāo)企業(yè)的總體活躍特征有呈現(xiàn)長(zhǎng)尾特性的趨勢(shì)，但總體數(shù)據(jù)仍是集中在1000 天以內(nèi)。

根據(jù)圖1 和圖2 中投標(biāo)企業(yè)的活躍特征，我們初步設(shè)定，當(dāng)投標(biāo)企業(yè)的最大投標(biāo)間隔天數(shù)達(dá)到1000 天以上，即認(rèn)定該企業(yè)進(jìn)入“小概率”期間，意味著該企業(yè)對(duì)于當(dāng)前市場(chǎng)已經(jīng)流失，基于此設(shè)定對(duì)流失企業(yè)具體判定標(biāo)準(zhǔn)進(jìn)行選定及認(rèn)證。

2.2 確定流失企業(yè)判定閾值

我們分別選取深圳投標(biāo)企業(yè)的活躍度排名前90%樣本群、前85%樣本群和前80%樣本群進(jìn)行分析，分別得到排名前90%、85%、80%條件下的投標(biāo)企業(yè)最大投標(biāo)間隔天數(shù)閾值，數(shù)據(jù)如表1。

同時(shí)根據(jù)“基礎(chǔ)數(shù)據(jù)源”分析可得，深圳投標(biāo)企業(yè)歷史平均投標(biāo)間隔天數(shù)13.4 天和歷史平均投標(biāo)次數(shù)56.3 次；將此作為深圳投標(biāo)企業(yè)“基準(zhǔn)投標(biāo)間隔天數(shù)”和“基準(zhǔn)投標(biāo)次數(shù)”。由此為參考原點(diǎn)，計(jì)算出在前90%樣本群的閾值天數(shù)內(nèi)，對(duì)應(yīng)樣本群每家企業(yè)有66.8 次投標(biāo)行為，相比“基準(zhǔn)投標(biāo)次數(shù)”56.3 次明顯溢出；在前85%樣本群的閾值天數(shù)內(nèi)，對(duì)應(yīng)樣本群每家企業(yè)有42.4 次投標(biāo)行為，相對(duì)“基準(zhǔn)投標(biāo)次數(shù)”有75%以上的行為覆蓋；在前80%樣本群的閾值天數(shù)內(nèi)，將會(huì)發(fā)生27.9次投標(biāo)行為，對(duì)“基準(zhǔn)投標(biāo)次數(shù)”覆蓋性略有不足。

綜合考慮樣本群覆蓋率和平均投標(biāo)行為覆蓋率，我們最終選定85%樣本群的閾值天數(shù)（即567 天）作為投標(biāo)企業(yè)的生命周期天數(shù)。超過該閾值天數(shù)都未發(fā)生再次投標(biāo)行為的企業(yè)，我們將認(rèn)定該企業(yè)已經(jīng)從當(dāng)前市場(chǎng)中流出?；谇笆?5%樣本群的閾值天數(shù)為567 天，本文將投標(biāo)人退出定義為最后一次投標(biāo)時(shí)間在2018年12月11日前投標(biāo)為流出。本文數(shù)據(jù)時(shí)間段為2000年1月1日-2020年6月30日，共有19575 家企業(yè)進(jìn)行投標(biāo)。

表1：投標(biāo)企業(yè)不同樣本群投標(biāo)間隔閾值

圖1：最大投標(biāo)間隔企業(yè)分布情況（條形圖）

圖2：最大投標(biāo)間隔企業(yè)分布情況（柱狀圖）

圖3：歷年投標(biāo)人流入流出對(duì)比圖

圖4：歷年凈流入企業(yè)情況

圖5：不同流失傾向性企業(yè)數(shù)量分布

具體模型如下：

其中i為某投標(biāo)企業(yè)，dx為當(dāng)前日期，dyi為該企業(yè)最近投標(biāo)日期。

3 市場(chǎng)流失企業(yè)識(shí)別模型的建立

運(yùn)用以上投標(biāo)企業(yè)流失判定模型，獲得深圳市場(chǎng)歷史投標(biāo)企業(yè)的流失企業(yè)名單，進(jìn)一步研究流失企業(yè)的總體特征情況及重大影響因子，建立最終的市場(chǎng)流失企業(yè)識(shí)別模型，完成市場(chǎng)流失傾向性企業(yè)情況展示與企業(yè)分布情況展示及分析。

3.1 深圳歷年企業(yè)流入與流失情況

某企業(yè)歷史上首次在本市場(chǎng)進(jìn)行投標(biāo)活動(dòng)時(shí)，我們定義首次投標(biāo)的時(shí)間節(jié)點(diǎn)為該投標(biāo)企業(yè)流入深圳市場(chǎng)的時(shí)間點(diǎn)。

表2：二分類logistic 回歸模型中的變量

對(duì)“基礎(chǔ)數(shù)據(jù)源”分析并圖標(biāo)展示，深圳市場(chǎng)歷年投標(biāo)企業(yè)的流入與流失數(shù)量呈倒金字塔結(jié)構(gòu)分布，即投標(biāo)人的流入與流出數(shù)量總數(shù)隨時(shí)間推移在不斷增多，側(cè)面佐證近年深圳工程建設(shè)的迅猛發(fā)展。

基于圖3 數(shù)據(jù)，計(jì)算可得歷年的投標(biāo)企業(yè)凈流入數(shù)據(jù)。

由數(shù)據(jù)可得，深圳招投標(biāo)市場(chǎng)每年凈流入企業(yè)數(shù)呈正向發(fā)展；但2011年、2017年-2018年的流出企業(yè)數(shù)量大于流入企業(yè)數(shù)量，且2002年、2010年、2012年、2013年凈流入企業(yè)數(shù)量較少，市場(chǎng)競(jìng)爭(zhēng)相對(duì)平和。對(duì)此，我們做進(jìn)一步分析研究。如圖4所示。

3.2 投標(biāo)企業(yè)市場(chǎng)流失影響因子分析

我們基于市場(chǎng)交易數(shù)據(jù)、投標(biāo)企業(yè)基本信息和投標(biāo)行為數(shù)據(jù)，對(duì)影響企業(yè)流失的可能因素展開分析。

（1）企業(yè)自身因素：含“注冊(cè)區(qū)域、注冊(cè)時(shí)長(zhǎng)、專業(yè)資質(zhì)、規(guī)模等級(jí)、業(yè)務(wù)類型”自身差異性因子5 個(gè)。

（2）企業(yè)中標(biāo)與否及相關(guān)因素：含“中標(biāo)率、累計(jì)中標(biāo)金額區(qū)間、中標(biāo)次數(shù)區(qū)間”中標(biāo)相關(guān)因子3 個(gè)。

（3）企業(yè)投標(biāo)行為因素：含“投標(biāo)次數(shù)等級(jí)、投標(biāo)頻次、投標(biāo)規(guī)模偏好、投標(biāo)類型偏好、抽簽抽中率”行為相關(guān)因子4 個(gè)。

（4）其他因素：含“進(jìn)入市場(chǎng)時(shí)間、首末次投標(biāo)時(shí)間間隔”相關(guān)因子2 個(gè)。

3.3 建立流失企業(yè)流失傾向識(shí)別模型

通過進(jìn)一步量化計(jì)算，得出二分類logistic 回歸模型。

Y= a + b1X1 + b2X2 + b3X3 .....+ bnXn

Y 為統(tǒng)計(jì)中的預(yù)測(cè)目標(biāo)（留存1，流失0），X1～Xn 為最終確定的n 個(gè)影響權(quán)重較大的因子，b1～ bn 分別為標(biāo)準(zhǔn)化處理后的各個(gè)因子的影響系數(shù)，a 為調(diào)整常數(shù)。

將前文所述的影響因子均作為自變量使用全部進(jìn)入法分別加入回歸模型，同時(shí)對(duì)回歸方程各影響因子進(jìn)行合理性檢驗(yàn)。經(jīng)過殘差分析和擬合度進(jìn)行驗(yàn)證，排除掉非重要的因子，最終得到影響企業(yè)留存與流失的影響因素回歸模型。表2 中，Sig 系數(shù)≤0.05 為重要因子的檢驗(yàn)值，Wals則為各因子的重要性評(píng)估數(shù)值越大重要性越強(qiáng)。

經(jīng)確定五個(gè)影響權(quán)重較大的因子分別為“規(guī)模等級(jí)、投標(biāo)頻次、中標(biāo)情況、注冊(cè)時(shí)長(zhǎng)、注冊(cè)區(qū)域”，方程中n=5，b1～ b5分別為標(biāo)準(zhǔn)化處理后的各個(gè)因子的影響系數(shù)，a 為調(diào)整常數(shù)。

經(jīng)數(shù)據(jù)帶入，最終的回歸模型為：

Y=0.163X1+0.765X2-0.129X3+0.562X4+0.397X5-3.945

又根據(jù)企業(yè)的流失傾向性P 值與回歸方程Y 值有如下關(guān)系：

所以最終的市場(chǎng)流失企業(yè)識(shí)別模型為：

其中P 為企業(yè)的流失傾向性，X1～X5為規(guī)模等級(jí)、投標(biāo)頻次、中標(biāo)情況、注冊(cè)時(shí)長(zhǎng)、注冊(cè)區(qū)域五項(xiàng)因素。

通過識(shí)別模型，代入每家投標(biāo)企業(yè)的相關(guān)因子數(shù)據(jù)，得出各企業(yè)的流失傾向性和整個(gè)深圳市場(chǎng)投標(biāo)企業(yè)的流失傾向特征（圖5），直觀展示了當(dāng)前市場(chǎng)的流失傾向性特征，并給市場(chǎng)主管部門進(jìn)行市場(chǎng)發(fā)展引導(dǎo)提供數(shù)據(jù)支撐。

4 深圳市場(chǎng)流失特征識(shí)別

4.1 流失企業(yè)特征識(shí)別

4.1.1 企業(yè)投標(biāo)頻次

由模型可知，投標(biāo)頻次是影響最大的因子，且投標(biāo)頻次與企業(yè)留存呈現(xiàn)正相關(guān)關(guān)系，投標(biāo)活動(dòng)越是頻繁，越不可能流失。

4.1.2 企業(yè)規(guī)模等級(jí)

此因子為正向因子：企業(yè)的規(guī)模越大，在市場(chǎng)中的留存概率也越高，即大企業(yè)在市場(chǎng)中更不容易流失。市場(chǎng)中流失的主體是規(guī)模偏小，扛風(fēng)險(xiǎn)能力較弱，對(duì)市場(chǎng)政策變化較為敏感的企業(yè)。

4.1.3 企業(yè)注冊(cè)區(qū)域

同為正向因子：本地企業(yè)相較于外地企業(yè)留存概率更高。

4.1.4 企業(yè)注冊(cè)時(shí)長(zhǎng)

同樣是影響投標(biāo)企業(yè)留存的一個(gè)正向因子，注冊(cè)時(shí)間長(zhǎng)的企業(yè)相較新企業(yè)在深圳市場(chǎng)的留存率也更高。

4.1.5 企業(yè)的中標(biāo)情況

此因子是一個(gè)反向因子。我們常識(shí)認(rèn)知的是，中標(biāo)率越高的企業(yè)越容易在當(dāng)前市場(chǎng)留存，可實(shí)際是中標(biāo)率高的企業(yè)比中標(biāo)率低的企業(yè)在市場(chǎng)中的流失概率要更大。

造成這種現(xiàn)象的深層原因主要是：留存的企業(yè)因自身規(guī)模等多項(xiàng)因素，能支撐較多次數(shù)的投標(biāo)行為，而流失企業(yè)由于投標(biāo)成本或者其他因素，可能一次中標(biāo)后，就未繼續(xù)發(fā)生大量投標(biāo)行為，導(dǎo)致中標(biāo)率搞得企業(yè)反而留存率并不一定高。

例如，某工程有限公司，該企業(yè)的累計(jì)投標(biāo)次數(shù)為2862 次，在深圳市場(chǎng)月均投標(biāo)17 次，月均中標(biāo)0.8 次。較高的投標(biāo)數(shù)量導(dǎo)致了留存企業(yè)中標(biāo)率僅為常規(guī)流出企業(yè)的30%。

由此總結(jié)，深圳市場(chǎng)中企業(yè)成立時(shí)間、規(guī)模等級(jí)、投標(biāo)頻次和注冊(cè)時(shí)長(zhǎng)與企業(yè)留存呈正向關(guān)系，且注冊(cè)地址為本地的企業(yè)更易留存，以上與我們經(jīng)驗(yàn)常識(shí)相吻合；而企業(yè)中標(biāo)率與企業(yè)留存呈反向關(guān)系，這與我們常規(guī)認(rèn)知存在一定差異。

4.2 深圳市場(chǎng)企業(yè)流失傾向性

深圳市場(chǎng)企業(yè)流失傾向性：在5%和82%位置企業(yè)流失數(shù)量分別形成兩個(gè)不同大小的峰值；特別是76%～90%流失傾向性之間的企業(yè)數(shù)量占比近15%，此現(xiàn)象特別值得思考及進(jìn)一步挖掘分析。深圳市場(chǎng)大部分企業(yè)還是處于13%～75%流失傾向性之間，且企業(yè)數(shù)量分布在此區(qū)間較為均勻。

5 結(jié)語

本文應(yīng)用大數(shù)據(jù)技術(shù)對(duì)建設(shè)工程招投標(biāo)市場(chǎng)投標(biāo)企業(yè)流失情況分析進(jìn)行初探，但也存在很多分析不夠透徹深入的情況，這些需要在未來不斷完善并加深研究，實(shí)現(xiàn)大數(shù)據(jù)為工程建設(shè)招投標(biāo)提供更好的應(yīng)用服務(wù)。